پیش بینی قیمت نقطه ای منابع ابری با در نظر گرفتن سطح کیفیت خدمات با روش یادگیری عمیق

ماشین های مجازی با انواع و ظرفیت های مختلف در سرویس دهندگان ابری ارائه شده و کاربران می توانند با هدف مدیریت هزینه در کنار حفظ کیفیت سرویس خود به انتخاب نمونه های مناسب بپردازند. یکی از مدل های قیمت گذاری پویا به عنوان قیمت گذاری نقطه ای شناخته می شود که منابع محاسباتی مازاد فراهم کنندگان با قیمت های پایین تر عرضه گردیده و کاربران در صورت تمایل به استفاده از این نمونه ها بایستی یک پیشنهاد مناسب بالاتر از قیمت نقطه ای ارائه دهد. با توجه به نوسان زیاد قیمت و تغییرات عرضه و تقاضا در این مدل، پیش بینی دقیق قیمت به کاربران کمک می کند که از قبل اقدام به برنامه ریزی مقدار پیشنهادی قیمت و زمان اجرا کنند تا قابلیت اطمینان و در نتیجه کیفیت سطح خدمات افزایش یابد. مدل پیشنهادی مقاله با ارائه ساختاری بر پایه یادگیری عمیق به پیش بینی قیمت نقطه ای منابع ابری با هدف ارائه نتایجی با کم ترین خطا و بیشترین دقت پرداخته است که نتایج مقاله نیز نشان دهنده عملکرد موفق مدل ارائه شده در مقایسه با روش‌های پیشرفته دیگر می‌باشد.

forecasting the spot price of cloud resources considering the level of qos with deep learning method

cloud platforms often offer a variety of virtual machine (vm) models of various types and capacities, enabling users to choose the instances that best meet their requirements. cloud providers have devised systems to make the most of their redundant computing resources. the cost fluctuates dynamically based on supply and demand. spot price is a common term for this. to be able to use this instance, the user must create a suitable offer above the spot price. accurate spot price prediction allows users to pre-prepare bid prices and run time to increase the reliability of the method. for this purpose, we consider amazon ec2 as a testbed and use its spot price history to predict the future price by constructing a proposed modified gated recurrent unit (mgru) model and providing a proposed dropout method. compared with other sophisticated methods, test results show that the proposed method works superior and more accurately.